audio - tensorflows STFT函数的正确使用

Question

我正在尝试构建一个类似于使用 Audacity 创建的音频样本的绘图频谱。从 Audacity 的 wiki 页面，情节频谱(附加示例)执行:

Plot Spectrum take the audio in blocks of 'Size' samples, does the FFT, and averages all the blocks together.

我在想我会使用 Tensorflow 最近提供的 STFT 功能。

我正在使用大小为 512 的音频块，我的代码如下:

audio_binary = tf.read_file(audio_file)
waveform = tf.contrib.ffmpeg.decode_audio(
    audio_binary,
    file_format="wav",
    samples_per_second=4000,
    channel_count=1
)

stft = tf.contrib.signal.stft(
    waveform,
    512,     # frame_length
    512,     # frame_step
    fft_length=512,
    window_fn=functools.partial(tf.contrib.signal.hann_window, periodic=True), # matches audacity
    pad_end=True,
    name="STFT"
)

但是当我期望每帧(512 个样本)的 FFT 结果时，stft 的结果只是一个空数组

我打这个电话的方式有什么问题？

我已经验证波形音频数据可以通过常规 tf.fft 正确读取。功能。

Answer 1

audio_file = tf.placeholder(tf.string)

audio_binary = tf.read_file(audio_file)
waveform = tf.contrib.ffmpeg.decode_audio(
    audio_binary,
    file_format="wav",
    samples_per_second=sample_rate,    # Get Info on .wav files (sample rate)
    channel_count=1             # Get Info on .wav files (audio channels)
)

stft = tf.contrib.signal.stft(
    tf.transpose(waveform),
    frame_length,     # frame_lenght, hmmm
    frame_step,     # frame_step, more hmms
    fft_length=fft_length,
    window_fn=functools.partial(tf.contrib.signal.hann_window, 
            periodic=False), # matches audacity
    pad_end=False,
    name="STFT"
)